环境科学学报  2020, Vol. 40 Issue (11): 4180-4188
引用本文
谢梓豪, 樊品镐, 武华, 等. 2020. 基于氨挥发因子方法的中国农田氨排放量估算[J]. 环境科学学报, 40(11): 4180-4188.
Xie Z H, Fan P H, Wu H, et al. 2020. Deriving volatile factors and estimating direct ammonia emissions for crop cultivation in China[J]. Acta Scientiae Circumstantiae, 40(11): 4180-4188.
基于氨挥发因子方法的中国农田氨排放量估算    [PDF全文]
谢梓豪, 樊品镐, 武华, 程琨, 潘根兴    
南京农业大学资源与环境科学学院, 南京 210095
收稿日期: 2020-03-16; 修回日期: 2020-05-15; 录用日期: 2020-05-15
基金项目: 江苏高校品牌专业建设工程资助项目（No.PPZY2015A061）；南京农业大学大学生创新创业训练计划项目（No.1913A22）；国家自然科学基金面上项目（No.41877546）
作者简介: 谢梓豪(2000-), 男, E-mail:13496498@qq.com
通讯作者（责任作者）: 程琨, E-mail:chengkun@njau.edu.cn
摘要：农田是氨的主要排放源，估算农田的氨挥发量可以明确其潜在的生态环境风险，为制定农田氨减排策略提供科学依据.通过文献收集，建立了包含867对观测值的中国农田氨挥发数据库，然后以氮肥施用量为自变量，氮肥施用引起的氨排放量为因变量，计算得到体现农业区、作物类型、肥料类型、土壤pH差异的氨挥发因子，采用独立样本进行验证，发现计算得到的氨挥发因子可以无偏地、较为准确地估算中国农田的氨挥发.不同区域、作物和管理措施下的氨挥发因子有显著差异，整体上，由于南方地区年均温和年降雨量均高于北方，导致南方的氨挥发因子高于北方，而碱性土壤的氨挥发因子高于中性和酸性土壤；与单施化肥相比，多数情况下施用有机肥可降低氨挥发因子，使用缓释控释肥或抑制剂可显著降低氨挥发因子；以单施化肥为例，水稻种植的氨挥发因子为9.9%~37.0%，高于蔬菜（2.2%~13.0%）和其他作物（3.3%~8.0%）.2015年中国农田由无机氮肥使用引起的氨排放总量为3.21 Tg，95%置信区间为2.92~3.46 Tg，其中，粮食作物和蔬菜占比最高，分别为66%和20%，豆科作物占比最低（0.8%）.由于气候、土壤、作物类型的差异，氨挥发呈现明显的空间异质性，长江中下游区排放量最高，而青藏区排放量最低.
关键词：氨挥发    农田    挥发因子    氮肥    空间异质性    
Deriving volatile factors and estimating direct ammonia emissions for crop cultivation in China
XIE Zihao, FAN Pinhao, WU Hua, CHENG Kun, PAN Genxing    
College of Resources and Environmental Sciences, Nanjing Agricultural University, Nanjing 210095
Received 16 March 2020; received in revised from 15 May 2020; accepted 15 May 2020
Abstract: The increase in ammonia concentration in the atmosphere will affect human health and ecosystem quality, while farmland is the main source of ammonia emissions. Estimating the amount of ammonia emissions in farmland can clarify its potential risks to ecosystem, and provide a scientific basis for formulating farmland ammonia emissions reduction strategies. Through literature collection, a database consisting of 867 pairs of observations was established, of which 70% of observations were used to develop volatile factors, and 30% of observations were used to evaluate the accuracy of volatile factors. A linear regression method was performed to calculate the volatile factors, with nitrogen application rate as independent variable and ammonia emissions caused by nitrogen application as dependent variable. Ammonia volatile factors reflecting the differences in agricultural areas, crop types, fertilizer types and soil pH were developed. It was found that the determination coefficient (R2) was 0.41 and the simulating efficiency was 25%. There was no significant difference between the simulated and measured values, indicating that the developed ammonia volatile factor can accurately simulate the ammonia volatilization from farmland in China without bias. There were significant differences in ammonia volatile factors between different regions, crops and management measures. In general, the ammonia volatile factor in the south was higher than that in the north due to higher temperature and rainfall in the south than in the north. The volatile factor was higher in alkaline soils than in neutral and acid soils. Compared with mineral fertilizer application, in most cases, the application of organic fertilizer can reduce ammonia volatile factor, and the use of slow-release/controlled release fertilizer or inhibitor can significantly reduce ammonia volatile factor. Taking mineral fertilizer application as an example, the ammonia volatile factor of rice cultivation was 9.9%~37.0%, which was higher than that of vegetables (2.2%~13.0%) and other crops (3.3%~8.0%). In 2015, the total ammonia emissions caused by mineral nitrogen fertilizer application in Chinese farmland was estimated to be 3.21 Tg, with a 95% confidence interval of 2.92~3.46 Tg, of which grain crops and vegetables accounted for the highest proportion being 66% and 20%, respectively, and the lowest proportion was found in legume crops (0.8%). Due to differences in climate, soil, and crop types, ammonia volatilization exhibited significant spatial heterogeneity, with the highest emissions in Yangtze River agro-region and the lowest emissions in Qinghai-Tibet agro-region.
Keywords: ammonia volatilization    farmland    volatile factor    nitrogen fertilizer    spatial heterogeneity    
1 引言(Introduction)

氨(NH3)挥发对人类健康和生态环境质量有着直接或间接的负面影响(Krupa, 2003; Anderson et al., 2003; Dominici et al., 2006).农业贡献了90%的全球人为NH3排放, 其中, 氮肥施用导致的NH3挥发占农业源排放的40%(Galloway et al., 2004; Gao et al., 2013).未来人口增长对粮食需求的增加将带来更多的氮肥投入, 这将可能导致NH3挥发的进一步增加(Alexandratos et al., 2012).制定区域NH3挥发管理策略的前提是获取高精度的NH3排放清单, 因此, 开发可靠的、不确定性低的NH3挥发计量方法势在必行.

目前, 国内外对NH3挥发的计量主要采用模型法和挥发因子法.已有学者采用基于过程的模型(如DLEM-Bi-NH3模型等)对一些地区和国家的氨挥发进行了估算, 而Zhou等(2016)则基于贝叶斯递归回归树算法构建了氨挥发非线性模型, 用以估算中国农田的氨挥发.尽管模型法能够获得相对准确的结果, 但无论是建模还是应用模型均需要大量的数据予以支撑, 如气象数据、详细的土壤数据等, 这对于数据比较有限的地区来说, 模型法的使用可能会增加结果的不确定性, 也会限制其推广和应用.挥发因子, 即单位质量氮素投入带来的氨挥发量, 仅需要氮素投入量和一些基础数据(如肥料类型、土壤pH等)即可进行氨挥发量估算.政府间气候变化专门委员会(IPCC)在2006年提供的全球尺度氨挥发因子为10%, 但不确定性范围较大(3%~30%)(IPCC, 2006).2019年, IPCC更新了不同氮肥的NH3挥发因子(0.2%~14.2%), 但用于计算排放因子的文献数量很有限, 如尿素施用的排放因子所用文献数量最多, 也仅有187篇, 且并未给出不确定性范围(IPCC, 2019).因此, 采用IPCC方法计算国家和区域尺度NH3挥发量将带来不确定性.气候条件、作物类型、肥料类型、土壤pH均会影响土壤氨挥发, 鉴于此, 一些学者已基于肥料类型和气候环境因子开发了更为细化的氨挥发因子(Bouwman et al., 1997; Yan et al., 2003; Huang et al., 2012; Xu et al., 2015).

据Xu等(2018)估计, 中国农田的NH3挥发量从1990年的2.8 Tg增加到2010年的4.3 Tg, 超过了欧洲与美国NH3排放的总和.发展适用于中国农田的NH3挥发估算方法, 研究NH3排放空间分布格局势在必行.已有研究采用模型法、排放因子法估算了1990—2011年中国农田的氨挥发, 为氨挥发的估算研究提供了科学支撑.然而, 不同研究之间的估算值存在一定差异.例如, 尽管Fu等(2015)考虑的作物类型比Xu等(2015；2018)多, 且2011年农田施氮量也高于2010年, 但Fu等(2015)采用EPIC-CMAQ模型估算得出2011年的排放量为3 Tg, 显著低于Xu等(2015；2018)采用排放因子法估计的2010年的排放量(4.3~4.5 Tg).以上对比说明不同研究估算的精度存在一定差异, 如何提升氨排放量的估算精度是当前亟待解决的科学问题.已有研究开发了考虑肥料类型、施肥方法、气候条件、土壤pH等因素影响的挥发因子, 降低了估算的不确定性(Huang et al., 2012; Fu et al., 2015).目前已开发的挥发因子均是基于全球尺度或者国家尺度, 应用于更小的区域尺度可能会影响估算的精度.前人研究显示, 不同作物种植下NH3挥发存在较大差异, 而且由于不同地区气候条件、温度等的差异, 导致氨挥发呈现较大的空间异质性(Paulot et al., 2014).因此, 开发更为细化的体现区域和作物特征的氨挥发因子是降低氨排放量估算不确定性的重要途径.

中国有九大陆地农业区, 各农业区气候条件、土壤条件、种植制度均有较大差异(全国农业区划委员会, 1991).基于农业区尺度, 开发体现作物类型、肥料类型的挥发因子将便于在数据有限的情况下进行区域尺度NH3挥发量的估算, 并有效降低估算的不确定性.本研究首先基于中国农田氨挥发数据库的建立, 采用线性回归方法, 开发农业区尺度的氨挥发因子, 并考虑作物类型、肥料类型、土壤pH对挥发因子的影响；然后, 采用开发的挥发因子模拟NH3挥发的空间分布格局, 进而估算2015年中国农田由无机氮肥施用引起的NH3挥发总量, 最终对估算的不确定性进行量化.

2 材料和方法(Materials and methods) 2.1 数据来源

本研究首先使用中国知网和Web of Science数据库, 利用“氨”、“NH3”或者“活性氮”, 以及“肥料”和“中国”等相关关键词进行已发表中英文文献的检索, 文献检索截止时间为2018年12月.然后, 根据以下原则对检索到的文献进行筛选：①研究须为在中国开展的大田试验, 在田间直接对作物整个生育期氨挥发进行监测, 盆栽试验或模型模拟研究不予考虑；②试验处理须同时包含不施肥处理和施肥处理；③试验结果无不合理的异常值.最终, 本研究获取了1997—2018年期间共99篇文献, 建立了包含867对作物生育期NH3累积排放量观测值在内的研究数据库, 试验点地理分布如图 1所示.该数据库包括：地理信息、年均温和年降雨量、作物类型、土壤pH、施氮量(kg·hm-2)、肥料类型、NH3累积排放量(kg·hm-2).

图 1 用于开发中国农田NH3挥发因子的试验点空间分布图 Fig. 1 Geographical distribution of experimental sites in China that were used for development of the NH3 volatile factors

根据《中国综合农业区划》, 将中国划分为10个一级农业区, 其中包括9个陆地农业区和1个海洋水产区, 9个陆地农业区包括：黄淮海区、长江中下游区、内蒙古及长城沿线区、黄土高原区、华南区、甘新区、东北区、西南区、青藏区(全国农业区划委员会, 1991).中国综合农业区划图来源于国家科技基础条件平台—国家农业科学数据中心(http://www.agridata.cn).本研究通过试验点经纬度确定其所属农业区, 进而对9个陆地农业区分别进行氨挥发因子的开发.由于不同作物的数据量分布不平衡, 将各个作物的数据量与作物管理特征和氨挥发特征相结合, 将作物类型分为3类：水稻、蔬菜和其他作物.肥料类型则分为控施缓释肥或抑制剂(CI)、有机肥(Org)、无机肥(Min)、有机无机混施肥(M&O).

为绘制NH3挥发空间分布图并计算排放总量, 本研究将Monfreda等(2008)和Mueller等(2012)绘制的不同作物种植面积和施氮量空间分布图与2015年省级统计数据相结合(国家发展和改革委员会价格司, 2016), 构建了精度为5′×5′的作物种植面积和施氮量的空间数据库, 数据库涵盖19种主要农作物(水稻、小麦、玉米、大麦、小米、高粱、油菜籽、向日葵、花生、大豆、土豆、蔬菜、棉花、甜菜、甘蔗、烟草和苹果、橘、柑), 并将这些农作物分为粮食作物、油料作物、经济作物、蔬菜、豆类和水果六大类进行计算和对比.

2.2 挥发因子计算方法

将观测值随机分为两组分别进行排放因子的计算和验证：70%的数据进行排放因子的开发, 30%的数据进行排放因子的验证.根据Yue等(2019)的研究, 将施氮引起的氨挥发量与施氮量进行回归计算得到的排放因子准确性更高, 所以本研究采用下式进行排放因子的计算：

(1)

式中, 因变量VNH3为施氮引起的NH3挥发量(kg·hm-2), 由式(2)进行计算；Nrate为氮肥施用量(kg·hm-2)；VF是挥发因子(kg·kg-1), 将VNH3与Nrate进行线性回归计算斜率得到.

(2)

式中, Vfertilized和Vcontrol分别为施肥处理和不施肥处理下的氨挥发量(kg·hm-2).

如某些类别下数据只有2对以内, 则无法进行线性回归, 将采用式(3)分别计算挥发因子后进行平均.

(3)
2.3 挥发因子准确性验证方法

如前所述, 30%的数据将用于评估挥发因子的准确性.本研究根据Smith等(1997)提供的模型评价体系进行验证.首先, 计算决定系数(R2)用以评价模拟值与实测值随施氮量变化规律是否一致.然后, 计算根均方误差(RMSE)和相对根均方误差(rRMSE), 以评价模拟值与实测值的差异, RMSE或rRMSE越低, 说明差异越小：

(4)
(5)

式中, Si和Oi为拟合方程式得出的目标变量的估计值和原始研究的观测值, O为观测数据的平均值, n为目标值的数量, i为单次观测值.

采用式(6)计算模拟效率(ME), 模拟效率大于1, 说明挥发因子具备模拟能力, 越接近于1说明模拟能力越好.

(6)

通过式(7)计算平均偏差(M), 以确定模拟值和实测值之间的总体偏差.最终基于估算的M, 采用式(8)计算t统计量, 以检验模拟值和实测值之间是否存在显著差异.如果t值大于双尾2.5%的临界t值, 说明模拟的结果有显著的偏差, 即模型过高或过低估计了实测值.

(7)
(8)
2.4 不确定性分析方法

本研究采用蒙特卡洛随机抽样方法计算挥发因子和氨挥发估计值的95%置信区间, 以量化挥发因子和估算过程的不确定性.首先, 假定挥发因子的分布符合正态分布；然后, 根据挥发因子的平均值和标准差获取挥发因子的正态分布曲线, 从正态分布曲线上采样10000次；最后, 基于其2.5和97.5分位数的值确定95%置信区间.鉴于某些分类下仅有一对数据, 无法获取其标准差, 根据前人研究经验, 这种情况下挥发因子的变异系数将被设置为50%.

根据IPPC提供的不确定性合并方法, 当不确定性量通过加法合并时, 总的不确定性(Utotal)采用式(9)计算.

(9)

式中, Xi为某个区域中作物i的NH3挥发量；Ui为Xi的不确定性百分比, 采用式(10)计算.

(10)

式中, CIi是xi的置信区间.由于NH3的总排放量是将不同农业区所有作物NH3挥发量加和获得, 因此, 全国氨挥发总量的不确定性可由式(9)和(10)进行量化.

本研究所有数据分析均采用R 3.4.0进行, 普通制图在Microsoft Office Excel 2013中完成, 空间分布图采用ArcGIS 10.6绘制.

3 结果与分析(Results) 3.1 农田NH3挥发因子

基于线性回归方法, 本研究采用70%的数据计算了中国不同农业区、不同作物类型、不同肥料类型下农田NH3挥发因子(表 1).对计算得出的挥发因子采用30%的独立样本进行验证, 发现模拟值与实测值有较好的线性关系, 各项验证指标均在可接受范围内, 且t检验显示无明显偏差, 说明开发的挥发因子可以无偏地、较好地模拟中国农田的NH3挥发(图 2、表 2).

表 1 中国不同农业区农田NH3挥发因子 Table 1 Agro-region specific NH3 volatile factors in China

图 2 NH3排放量的实测值与模拟值对比 Fig. 2 Comparison of observed and simulated seasonal cumulative NH3 emissions

表 2 NH3挥发因子验证结果 Table 2 Statistics describing the performance of NH3 volatile factors

由表 1可知, 不同农业区之间NH3挥发因子有明显差异, 而且作物类型、肥料类型和土壤pH均显著影响挥发因子.整体上, 南方地区的NH3挥发因子显著高于北方地区.以水稻种植下无机肥为例, 长江中下游、华南、西南区的NH3挥发因子显著高于东北稻区.将单施化肥下各农业区的挥发因子与年均温、年降雨量进行相关性分析, 发现NH3挥发因子与温度(r=0.49, p=0.02)和降雨(r=0.47, p=0.03)呈显著正相关.对比不同作物类型发现, 水稻种植下的NH3挥发因子高于旱作作物种植下.例如, 在长江中下游区, 在无机肥施用下, 水稻的NH3挥发因子为22%, 远高于蔬菜和其他作物的11%和9%.肥料类型也对挥发因子有直接影响, 一般地, 有机肥或缓控释肥/抑制剂施用下的NH3挥发因子低于单施化肥.以长江中下游区其他作物为例, 施用无机肥的NH3挥发因子为9.3%, 高于有机无机配施(6.4%)、有机肥(0.7%)及缓控释肥/抑制剂的排放因子(9.0%).但东北区其他作物(pH≤7.5)有机无机配施下的NH3挥发因子略高于单施化肥处理.东北区土壤pH范围广, 且本研究数据库中东北区在中-酸性土壤和碱性土壤均有监测数据, 而其他农业区土壤pH多集中于≤7.5或＞7.5, 因此, 本研究为东北区中-酸性土壤和碱性土壤分别计算挥发因子.如表 1所示, 土壤pH对挥发因子有显著影响, 单施化肥时, 在pH＞7.5时水稻和其他作物排放因子为10.2%和7.3%, 高于pH≤7.5时的9.9%和4.8%；而有机无机配施时则相反, 这与有机肥分解对土壤pH的响应有关, 也与数据量有关.

3.2 中国农田的NH3排放量

将开发的NH3挥发因子与中国农田氮肥施用量数据相结合, 本研究估算了中国农田由无机氮肥施用引起的NH3排放强度和排放总量(图 3、图 4、表 3).对比不同作物生育期NH3排放强度, 发现粮食作物的排放强度最高, 为22.42 kg·hm-2, 豆科作物种植的排放强度最低, 为2.59 kg·hm-2；对于不同粮食作物, 水稻、小麦、玉米和其他粮食作物的排放强度分别为44.99、14.90、9.69和11.39 kg·hm-2 (图 3).

图 3 不同作物类型(a)和粮食作物(b)单位面积NH3挥发量 Fig. 3 Area-scaled NH3 volatilization of different crop types (a) and grain crops (b)

图 4 中国农田无机氮肥施用引起的NH3排放量空间分布图(分辨率：5′×5′) Fig. 4 Geographical distribution of mineral N fertilizer induced NH3 emissions in cropland of China

表 3 中国农田无机氮肥施用引起的NH3排放量(排放量±95%置信区间) Table 3 Mineral N fertilizer induced NH3 emissions in China′s cropland (Emission±95%CI)

2015年中国农田由无机氮肥施用引起的NH3排放总量为3205.27 Gg, 不确定性为8.8%(表 3).其中, 排放量最高的为粮食作物, 为2119.54 Gg, 豆类种植的排放量最低, 为25.26 Gg.对不同农业区的排放量进行比较可以得出, 长江中下游区的排放量最大, 贡献了全国排放的36%, 而青藏区的排放量最少(图 4、表 3).将不同农业区和不同作物NH3排放估算的不确定性进行对比, 发现东北区和豆类的不确定性较高, 分别为36%和21%.

4 讨论(Discussion) 4.1 氨挥发因子的差异性

本研究发现NH3挥发因子与气温和降雨呈显著正相关, 因此, 南方地区的NH3挥发因子显著高于北方地区的主要原因在于南方的年均温和年降雨量更高.温度越高, 脲酶活性越强, 且NH3的扩散速率越高, 而降雨则通过促进尿素水解和土壤中氮素形态转化而影响氨挥发(卢丽丽等, 2019).同时, 土壤理化性质差异也会对氨挥发带来影响(彭世彰等, 2009；卢丽丽等, 2019).本研究还发现水稻种植的NH3挥发因子远高于旱作作物, 这主要是因为稻田处于淹水条件下, 氮素形态以铵态氮为主, 且施用的尿素可以快速水解(Zhao et al., 2009; 夏文建等, 2010; Zhou et al., 2016；程谊等, 2019).此外, 水稻生长期的气温通常较高, 而高的蒸发速率可能导致NH3随大量水蒸气逸出(Li et al., 2008; 夏文建等, 2010).长江中下游地区设施菜地的NH3挥发因子低于露天菜地, 这主要是由于设施菜地的氨挥发受气候条件影响较小导致的.

多数情况下, 有机肥或缓控释肥/抑制剂施用下的NH3挥发因子低于单施化肥, 这主要是由于有机肥所含氮素须经有机质矿化才会释放为无机氮素, 而且, 施用有机肥可通过增加有机碳的供应以促进微生物对生物可利用氮的固定(Xia et al., 2017)；而脲酶抑制剂的添加可通过降低脲酶的活性并减缓尿素的水解速度来抑制NH3挥发, 缓控肥也可通过减缓氮素释放速度以减少NH3挥发损失(Turner et al., 2010; Suter et al., 2013；程谊等, 2019).然而, 东北区其他作物(pH≤7.5)有机无机配施和缓控释肥施用下的NH3挥发因子略高于单施化肥处理.关于原因, 一方面, 有机肥的效应与有机肥的pH、固液态比例有关, pH较高的有机肥可通过增加土壤pH导致更多的氨挥发, 而水分含量较少的有机肥由于其养分下渗率低而导致高的NH3挥发(卢丽丽等, 2019).前人研究观测的缓控释肥效应并不一致, 例如, Zhang等(2018)发现施用高浓度控释尿素会导致土壤中NH4+-N浓度升高, 进而释放出更多的NH3.另一方面, 这两种施肥模式仅各有一对数据, 可能会导致计算结果的不确定性.

研究表明, 土壤pH对农田NH3挥发有显著影响(卢丽丽等, 2019).本研究也发现单施化肥情况下pH高的土壤NH3挥发因子更高, 这是由于碱性土壤中NH4+和NH3所构成的动态平衡会向生成NH3的方向移动, 从而促进NH3挥发(IFA, 2001).

4.2 氨挥发在中国农田活性氮损失中的重要性

本研究开发的NH3挥发因子为3.3%~37%, 与Xu等(2015)的2.4%~47.5%(中国)和Bouwman等(1997)的2%~30%(全球)有可比性, 但本研究的挥发因子更加细化, 而且给出了挥发因子的置信区间.根据之前的研究, 中国农田无机氮肥的N2O排放因子为0.03%~1.28%(Yue et al., 2019), NOx的排放因子为0.13%~0.66%(Yan et al., 2003), 氮素径流损失和淋洗损失比例为8.4%~20.8%(李文军等, 2011).而本研究发现, 氨挥发损失量占无机氮肥施用量的比例在多数情况下超过10%, 说明NH3挥发是中国农田活性氮损失的重要途径.

由于本研究只关注施肥引起的NH3挥发, 不包含土壤本底排放, 因此, 可与估算口径相同的研究进行对比.本研究估计得到2015年中国农田的NH3排放量为3.21 Tg, 与Fu等(2017)采用模型法模拟得到2011年施肥引起的NH3排放量(3 Tg)较为接近, 而低于Xu等(2015)采用修正的挥发因子法估算得到2010年的排放量(4.3 Tg).不过, 上述研究均未量化估算的不确定性.经计算, 中国农田的NH3排放量占全球NH3排放量的约1/5, 减少中国农田NH3挥发势在必行(Xu et al., 2019).氮肥的施用量和肥料类型均对NH3挥发有显著影响, 可以通过优化管理模式以减少NH3挥发.减少氮肥的施用是减少NH3挥发的直接手段, 根据本研究：每公顷农田少施1 kg氮肥, 可减少0.03~0.37 kg·hm-2氨挥发；而在一些地区和作物种植中将有机肥替代化肥施入农田可以大大降低NH3挥发.本研究还发现：施用控释缓释肥或抑制剂最多可以降低1/2以上的NH3挥发(表 1).总之, 提高氮肥利用率、合理选择肥料类型是降低NH3挥发的重要途径.

4.3 不确定性分析

对于NH3排放量估算不确定性的量化无论在全球尺度还是国家尺度都非常有限.尽管本研究通过开发更为细化的挥发因子提高了估算精度, 但由于部分区域数据有限, 本研究仍然存在一些不确定性.

氮肥的类型对NH3挥发有很大影响.前人的一些研究对肥料类型进行了更详细的划分(Bouwman et al., 1997; Zhang et al., 2011).而在本研究中的数据库中, 无机氮肥类型仅包括尿素和碳酸氢铵, 施用碳酸氢铵的试验数据少于10个, 如将其细分可能会带来更大的不确定性.氮肥施用方式也会显著影响NH3挥发, 与表施相比, 氮肥深施可以有效减少氮素损失(Sommer et al., 2004).由于数据有限, 本研究未能考虑施肥方式对挥发因子的影响.在未来研究中, 在数据量充足的前提下计算更为细化的挥发因子将有效提升估算精度.

测定方法和时间也可能导致不确定性.原位试验中用于测量NH3挥发的方法包括传统的密闭室法和通气法.传统密闭室法具有不通风的缺点, 为克服该缺点后来发明了通气法(王朝辉等, 2002).早些年少量研究采用了传统的密闭室法, 这将影响数据质量进而为本研究带来一定不确定性.在本研究收集的文献中, 测量时间有上午8：00—10：00或下午3：00—5：00, 而Cao等(2013)研究表明不同时间段监测得到的通量数据可能有较大变异.

5 结论(Conclusions)

在建立数据库的基础上, 本研究采用线性回归方法为中国九大农业区不同作物开发了NH3挥发因子.经验证, 本研究开发的挥发因子可以较为准确地无偏估计中国农田的NH3排放量.采用开发的NH3挥发因子, 估算了中国九大农业区的6类作物的氨排放量, 结果显示, 2015年中国农田化学氮肥投入引起的NH3排放总量为3.21 Tg, 不确定性为8.8%；粮食作物的氨排放总量占全国排放的66%.

参考文献
Alexandratos N, Bruinsma J.2012.World agriculture towards 2030/2050: the 2012 revision[EB/OL].2020-2-1.http://www.fao.org/global-perspectives-studies/resources/detail/en/c/411108/
Anderson N, Strader R, Davidson C. 2003. Airborne reduced nitrogen:ammonia emissions from agriculture and other sources[J]. Environment International, 29(2/3): 277-286.
Bouwman A F, Lee D S, Asman W A H, et al. 1997. A global high-resolution emission inventory for ammonia[J]. Global Biogeochemical Cycles, 11(4): 561-587. DOI:10.1029/97GB02266
Cao Y, Tian Y, Yin B, et al. 2013. Assessment of ammonia volatilization from paddy fields under crop management practices aimed to increase grain yield and N efficiency[J]. Field Crops Research, 147: 23-31. DOI:10.1016/j.fcr.2013.03.015
程谊, 张金波, 蔡祖聪. 2019. 气候-土壤-作物之间氮形态契合在氮肥管理中的关键作用[J]. 土壤学报, 56(3): 507-515.
Dominici F, Peng R D, Bell M, et al. 2006. Fine particulate air pollution and hospital admission for cardiovascular and respiratory diseases[J]. Jama, 295(10): 1127-1134. DOI:10.1001/jama.295.10.1127
Fu X, Wang S, Ran L M, et al. 2015. Estimating NH3 emissions from agricultural fertilizer application in China using the bi-directional CMAQ model coupled to an agro-ecosystem model[J]. Atmospheric Chemistry and Physics, 15(12): 6637-6649. DOI:10.5194/acp-15-6637-2015
Galloway J N, Dentener F J, Capone D G, et al. 2004. Nitrogen cycles:past, present, and future[J]. Biogeochemistry, 70(2): 153-226. DOI:10.1007/s10533-004-0370-0
Gao Z, Ma W, Zhu G, et al. 2013. Estimating farm-gate ammonia emissions from major animal production systems in China[J]. Atmospheric Environment, 79: 20-28. DOI:10.1016/j.atmosenv.2013.06.025
国家发展和改革委员会价格司. 2016. 全国农产品成本收益资料汇编[M]. 北京: 中国统计出版社.
Huang X, Song Y, Li M, et al. 2012. A high-resolution ammonia emission inventory in China[J]. Global Biogeochemical Cycles, 26(1). DOI:10.1029/2011GB004161
International Fertilizer Industry Association (IFA).2001.Global estimates of gaseous emissions of NH3, NO and N2O from agricultural land[M].Rome: Food and Agriculture Organization of the United Nations
IPCC.2006.Guidelines for National Greenhouse Gas Inventories[M].Hayama, Japan: National Greenhouse Gas Inventories Programme, IPCC
IPCC.2019.2019 Refinement to the 2006 IPCC Guidelines for National Greenhouse Gas Inventories[EB/OL].2020-2-2.https: //www.ipcc.ch/report/2019-refinement-to-the-2006-ipcc-guidelines-for-national-greenhouse-gas-inventories/
Krupa S V. 2003. Effects of atmospheric ammonia (NH3) on terrestrial vegetation:A review[J]. Environmental Pollution, 124(2): 179-221. DOI:10.1016/S0269-7491(02)00434-7
Li H, Liang X, Chen Y, et al. 2008. Ammonia volatilization from urea in rice fields with zero-drainage water management[J]. Agricultural Water Management, 95(8): 887-894. DOI:10.1016/j.agwat.2007.05.016
李文军, 夏永秋, 杨晓云, 等. 2011. 施氮和肥料添加剂对水稻产量、氮素吸收转运及利用的影响[J]. 应用生态学报, 22(9): 2331-2336.
卢丽丽, 吴根义. 2019. 农田氨排放影响因素研究进展[J]. 中国农业大学学报, 24(1): 149-162.
Monfreda C, Ramankutty N, Foley J A. 2008. Farming the planet:2.Geographic distribution of crop areas, yields, physiological types, and net primary production in the year 2000[J]. Global Biogeochemical Cycles, 22(1). DOI:10.1029/2007GB002947
Mueller N D, Gerber J S, Johnston M, et al. 2012. Closing yield gaps through nutrient and water management[J]. Nature, 490(7419): 254-257. DOI:10.1038/nature11420
Paulot F, Jacob D J, Pinder R W, et al. 2014. Ammonia emissions in the United States, European Union, and China derived by high-resolution inversion of ammonium wet deposition data:Interpretation with a new agricultural emissions inventory (MASAGE_NH3)[J]. Journal of Geophysical Research, 119(7): 4343-4364.
彭世彰, 杨士红, 徐俊增. 2009. 节水灌溉稻田氨挥发损失及影响因素[J]. 农业工程学报, 25(8): 35-39.
全国农业区划委员会. 1991. 中国综合农业区划[M]. 北京: 中国农业出版社.
Smith P, Smith J U, Powlson D S, et al. 1997. A comparison of the performance of nine soil organic matter models using datasets from seven long-term experiments[J]. Geoderma, 81(1/2): 153-225.
Sommer S G, Schjoerring J K, Denmead O T. 2004. Ammonia emission from mineral fertilizers and fertilized crops[J]. Advances in Agronomy, 82: 557-622. DOI:10.1016/S0065-2113(03)82008-4
Suter H, Sultana H, Turner D, et al. 2013. Influence of urea fertiliser formulation, urease inhibitor and season on ammonia loss from ryegrass[J]. Nutrient Cycling in Agroecosystems, 95(2): 175-185. DOI:10.1007/s10705-013-9556-y
Turner D A, Edis R B, Chen D, et al. 2010. Determination and mitigation of ammonia loss from urea applied to winter wheat with N-(n-butyl) thiophosphorictriamide[J]. Agriculture, Ecosystems & Environment, 137(3/4): 261-266.
王朝辉, 刘学军, 巨晓棠, 等. 2002. 田间土壤氨挥发的原位测定-通气法[J]. 植物营养与肥料学报, (2): 205-209.
Xia L, Lam S K, Yan X, et al. 2017. How does recycling of livestock manure in agroecosystems affect crop productivity, reactive nitrogen losses, and soil carbon balance?[J]. Environmental Science & Technology, 51(13): 7450-7457.
夏文建, 周卫, 梁国庆, 等. 2010. 优化施氮下稻-麦轮作体系氮肥氨挥发损失研究[J]. 植物营养与肥料学报, 16(1): 6-13.
Xu P, Zhang Y, Gong W, et al. 2015. An inventory of the emission of ammonia from agricultural fertilizer application in China for 2010 and its high-resolution spatial distribution[J]. Atmospheric Environment, 115: 141-148. DOI:10.1016/j.atmosenv.2015.05.020
Xu R, Pan S, Chen J, et al. 2018. Half-century ammonia emissions from agricultural systems in Southern Asia:Magnitude, spatiotemporal patterns, and implications for human health[J]. GeoHealth, 2(1): 40-53. DOI:10.1002/2017GH000098
Xu R, Tian H, Pan S, et al. 2019. Global ammonia emissions from synthetic nitrogen fertilizer applications in agricultural systems:Empirical and process-based estimates and uncertainty[J]. Global Change Biology, 25(1): 314-326.
Yan X, Akimoto H, Ohara T. 2003. Estimation of nitrous oxide, nitric oxide and ammonia emissions from croplands in East, Southeast and South Asia[J]. Global Change Biology, 9(7): 1080-1096. DOI:10.1046/j.1365-2486.2003.00649.x
Yue Q, Wu H, Sun J, et al. 2019. Deriving Emission Factors and Estimating Direct Nitrous Oxide Emissions for Crop Cultivation in China[J]. Environmental Science & Technology, 53(17): 10246-10257.
Zhang S, Shen T, Yang Y, et al. 2018. Controlled-release urea reduced nitrogen leaching and improved nitrogen use efficiency and yield of direct-seeded rice[J]. Journal of Environmental Management, 220: 191-197.
Zhang Y, Luan S, Chen L, et al. 2011. Estimating the volatilization of ammonia from synthetic nitrogenous fertilizers used in China[J]. Journal of Environmental Management, 92(3): 480-493. DOI:10.1016/j.jenvman.2010.09.018
Zhao X, Xie Y, Xiong Z, et al. 2009. Nitrogen fate and environmental consequence in paddy soil under rice-wheat rotation in the Taihu lake region, China[J]. Plant and Soil, 319(1/2): 225-234.
Zhou F, Ciais P, Hayashi K, et al. 2016. Re-estimating NH3 emissions from Chinese cropland by a new nonlinear model[J]. Environmental Science & Technology, 50(2): 564-572.